MATLAB神经网络43个案例分析.pdf 王小川！！！

风中的漂流瓶

本书是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络。
7 m4 M3 u6 T0 B5 {6 F
( c% K1 Z$ m# f8 ]* u! m本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
. k  h- q- c! \+ S使用本书时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。本书程序建议在MATLAB R2009a及以上版本环境下运行。若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
6 A$ Y- ^8 M4 U; G1 H! }' o; g+ a4 H本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。

/ M1 t7 _6 I& d% T8 J随书附赠的程序源代码请到北京航空航天大学出版社网站的“下载专区”免费下载。也可登录MATLAB技术论坛（www.matlabsky.com）到相应书籍答疑版块免费下载。
2 N. R2 b+ _: t4 s, T0 v
% ]# B. D" [  ?( K
# ~4 Y" v; L( i3 w" L编辑推荐
; r9 q. u' J$ P本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
# ]# U- o. s4 f8 _: p, l作者简介
6 `" w5 u! P, N7 z+ x王小川，网名hgsz2003，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员。现于同济大学经济与管理学院攻读博士学位，长期研究神经网络在统计学中的应用，精通MATLAB、SAS、SPSS等统计软件，热衷数据分析和数据挖掘工作，擅长竞争神经网络在数据挖掘中的运用，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。史峰，网名shi01fg，对外经济贸易大学国际经济贸易学院金融学专业在读博士，MAT—LAB技术论坛(WWW．matlabsky．com)管理团队核心成员。从MATLAB 6．5开始接触MATLAB软件，主要用于金融软件开发、科学计算、交易策略研究等，并有多个MATLAB工程开发经验；在长期的使用过程中积累了较丰富的编程经验，擅长于神经网络、智能算法、科学计算和GUI设计。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。郁磊，网名yuthreestone，MATLAB技术论坛(www．matlabsky．c。m)管理团队核心成员。现工作于中科院苏州生物医学工程技术研究所，研究方向为智能控制与模式识别、生理仿真建模、远程医护等。使用MATLAB近10年，对各个版本的MATLAB开发环境及工具箱非常熟悉，具有丰富的MATLAB开发、设计经验。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。李洋，网名faruto，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员，北京师范大学应用数学硕士，8年MATLAB编程经验，对机器学习、量化投资等领域感兴趣，已出版书籍《MATLAB神经网络30个案例分析》，现就职于国内某期货公司研究院量化投资部，进行程序化交易和量化投资相关策略的研发工作。
! t- ]5 g9 [! F5 Z目录
第1章BP神经网络的数据分类——语音特征信号分类
: p; ]0 F, m( p6 b4 ^% P1.1案例背景
1.1.1BP神经网络概述
1.1.2语音特征信号识别
1.2模型建立
1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
0 N4 N7 Y; B+ c1.3.2数据选择和归一化
# m% k  Y4 z- m- ~0 M7 |3 o1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
1.3.5BP神经网络分类
  m) T" `# L4 k: U6 ^1.3.6结果分析
1.4案例扩展
1.4.1隐含层节点数
1.4.2附加动量方法
1.4.3变学习率学习算法
参考文献
第2章BP神经网络的非线性系统建模——非线性函数拟合
7 L8 o- ~5 R) B, f' g2.1案例背景
2.2模型建立
# c" q% }( {9 K  Q2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
1 R6 R2 R4 s. V0 ?* U, R2 O% o2.3.2数据选择和归一化
8 m/ ~! d8 z. u; K# m4 V6 i2.3.3 BP神经网络训练
* u; s& \" q$ o, C# i7 i* w2.3.4 BP神经网络预测
$ q2 {9 k9 O" I1 X: H0 d( X2.3.5结果分析
2.4案例扩展
2.4.1多隐含层BP神经网络
2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
, J3 P4 H2 I" W2.4.4节点转移函数
( J3 ]3 C( U7 M% d; O9 l7 I2.4.5网络拟合的局限性
4 m1 Z$ G- Z! u( T( ]+ e4 s2 V参考文献
' T. h2 l" Z" {  U" H6 u第3章 遗传算法优化BP神经网络——非线性函数拟合
3.1案例背景
3.1.1遗传算法原理
3.1.2遗传算法的基本要素
$ j9 D$ d* i" h+ T$ J/ V3.1.3拟合函数
6 b- E8 B4 G8 `7 V# A' |- }3.2模型建立
& h9 y0 r1 M* ]: z0 g3 B* ^3.2.1算法流程
% b( F& k0 \' E: G, c9 D3.2.2遗传算法实现
3.3编程实现
3.3.1适应度函数
" Z7 x  F# V9 C4 b: [& w1 U3.3.2选择操作
3.3.3交叉操作
3.3.4变异操作
0 Z8 ?2 C; v8 k+ t3.3.5遗传算法主函数
3.3.6 遗传算法优化的BP神经网络函数拟合
/ B6 r2 B3 n% E3.3.7结果分析
3.4案例扩展
% t' X8 V: a1 ?3.4.1其他优化方法
3.4.2网络结构优化
$ H  h6 [8 V2 Q) P3.4.3算法的局限性
参考文献
第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
: q! x( w+ X0 Y; b4.1案例背景
8 V# l$ H) d; X3 y4.2模型建立
4.3编程实现
. g( m) k8 S, ^+ g, i4.3.1 BP神经网络训练
& {6 y$ b0 i1 M" m4 ?4.3.2适应度函数
2 t7 \/ f+ u  G6 T. Q4 O8 L! F; M- X4.3.3遗传算法主函数
4.3.4结果分析
4.4案例扩展
4.4.1工程实例
4.4.2预测精度探讨
参考文献
7 i; z8 n. R- Z# {* C- k$ C! m2 `第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
5.1案例背景
* `3 S3 G& _3 H& T5.1.1 BP—Adaboost模型
  t! ^9 q5 D) T  U' T5.1.2公司财务预警系统介绍
' I7 j, Q9 z0 A5.2模型建立
3 {. I, S2 |$ u+ Y& n: P1 p5.3编程实现
5.3.1数据集选择
/ |: E# |3 q! z* N& v5.3.2弱分类器学习分类
+ Q; B  `  ?7 }# K+ z1 V5.3.3强分类器分类和结果统计
5 z3 o( F2 z" }, t  ]$ e" c& n& n5.3.垂结果分析
5.4案例扩展
5.4.1数据集选择
- m* I7 h5 c% a3 o5.4.2弱预测器学习预测
, ?- y6 ]6 ?5 t% z6 l5 Q( F5.4.3强预测器预测
5.4.4结果分析
参考文献
: a5 H) M" a2 x: M) K第6章PID神经元网络解耦控制算法——多变量系统控制
9 G. e* |5 U' K& Q1 a+ w6.1案例背景
6.1.1 PID神经元网络结构
6.1.2控制律计算
. q: t! @# i7 f, q6.1.3权值修正
6.1.4控制对象
6.2模型建立
6.3编程实现
  g. M3 j3 }. {6 t. u0 C# {6.3.1 PID神经网络初始化
" h& s+ t( q% |$ E% c6.3.z控制律计算
- Y$ A( r/ t4 p) B, f# p3 ^6.3.3权值修正
6.3.4结果分析
: w' F' A1 M7 ?* m, T0 k6.4案例扩展
6.4.1增加动量项
6.4.2神经元系数
0 o# L3 h) u3 X! T6.4.3 PID神经元网络权值优化
参考文献
( E8 i3 q! f5 N; T$ j/ l第7章 RBF网络的回归——非线性函数回归的实现
7.1案例背景
4 [5 \9 [. @8 o6 x7.1.1 RBF神经网络概述
7.1.2 RBF神经网络结构模型
& o; w: K  I/ T1 Y  d* a2 q& y7.1.3 RBF神经网络的学习算法
7.1.4曲线拟合相关背景
  U1 H. B5 X0 O) u7 a- E7.2模型建立
7.3 MATLAB实现
7.3.1 RBF网络的相关函数
2 X8 Z& ~& N& b+ D5 u( K7.3.2结果分析
9 V/ }3 ^3 }2 o, }: F8 ]7.4案例扩展
* O/ g; e# l1 C8 @, |0 v7.4.1应用径向基神经网络需要注意的问题
7.4.2 SPREAD对网络的影响
参考文献
第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
0 E7 z! k0 R% I9 x0 o% [' ]; F8.1案例背景
8.1.1 GRNN神经网络概述
' `/ f+ `" A5 h7 ]/ a9 \. Z& A8.1.2 GRNN的网络结构
9 E# h+ _& D- N3 g% z8.1.3 GRNN的理论基础
; n6 P$ {/ j# x$ n5 P6 B8.1.4运输系统货运量预测相关背景
8.2模型建立
8.3 MATLAB实现
8.4案例扩展
% n& T! e% E+ H6 H2 c* E, w, S参考文献
第9章 离散Hopfield神经网络的联想记忆——数字识别
9.1案例背景
1 c, T2 e0 m4 O: ]. M* b9.1.1离散Hopfield神经网络概述
9.1.2数字识别概述
9.1.3问题描述
9.2模型建立
9.2.1设计思路
; t9 f  [% t1 d7 r- e9.2.2设计步骤
9 R! [4 L! R+ E- t% E% ]6 u/ B9.3 Hopfield网络的神经网络工具箱函数
) ~9 O6 O9 [/ v; f0 ~- @9 a9.3.1 Hopfield网络创建函数
9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
9.4.1输入输出设计
/ k  N% k( w6 P0 M; ~8 y7 d, `9.4.2网络建立
& R0 K) [" K9 Q8 Y( V9 K9 I: F5 j; J9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
9.4.5结果分析
9.5案例扩展
/ @& K6 C. j) y5 V1 o9.5.1识别效果讨论
: H& K( ~3 s9 l. ~% ^9.5.2应用扩展
参考文献
第10章 离散Hopfield神经网络的分类——高校科研能力评价
10.1案例背景
3 |# B' T- Z* ?2 k7 I. t' E( }10.1.1离散Hopfield神经网络学习规则
10.1.2高校科研能力评价概述
0 I2 |/ c2 k+ w/ U5 x10.1.3问题描述
  g9 R, m6 A3 [# p2 v& m# \. M10.2模型建立
6 v4 @! N. @1 r10.2.1设计思路
+ b2 g0 y8 V, B5 E2 |10.2.2设计步骤
10.3 MATLAB实现
10.3.1清空环境变量
10.3.2导人数据
( a" L" A# h" e10.3.3创建目标向量（平衡点）
' B- ^/ V& t0 p% n3 G0 `. e5 K( T10.3.4创建网络
. q0 |! ]8 Q' G5 W  [10.3.5仿真测试
9 x: c/ E; N2 S' e10.3.6结果分析
5 N. C) R) D5 B; \10.4案例扩展
参考文献
第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
( b) H3 I8 x# k/ O11.1案例背景
11.1.1连续Hopfield神经网络概述
4 B7 D$ L3 T  O4 k; }1 l8 V4 r11.1.2组合优化问题概述
" s6 Y1 N2 `# L$ S11.1.3问题描述
4 Q& l# B( L; l# M. `11.2模型建立
7 x+ T+ x* H. h11.2.1设计思路
11.2.2设计步骤
11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
) J3 b" Q: w1 l: L6 H' [11.3.2城市位置导入并计算城市间距离
11.3.3初始化网络
11.3.4寻优迭代
3 J. I# g- k9 a& o1 v11.3.5结果输出
/ ~/ x8 l1 t8 k9 @4 o! ^: d' |: U9 }11.4案例扩展
11.4.1结果比较
11.4.2案例扩展
参考文献
第12章初识SVM分类与回归
12.1案例背景
12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
/ q) N- E5 T- t  h12.1.3 LIBSVM工具箱在MATLAB平台下的安装
: A- Y1 a0 R2 B4 k: S! b0 R12.2 MATLAB实现
1 {4 I$ U# `2 {12.2.1使用LIBSVM进行分类的小例子
5 `: k  H0 x+ O  h; J& m12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
) t. e+ j# {9 z  g" X参考文献
. U, r4 _" B- X0 _/ [$ y第13章LIBSVM参数实例详解
% x8 s! Y- }& d/ q' k13.1案例背景
13.2 MATLAB实现
4 m( ^* [+ b& ^! Q7 n13.3案例扩展
参考文献
3 C! @6 `: a0 Q$ Y- x第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
. I. w7 E7 P( c" M' b3 ^' n14.1案例背景
14.2模型建立
14.3 MATLAB实现
14 3.1选定训练集和测试集
6 |- H) ?0 s8 ?5 ^% K0 \……
' U0 H3 {" r- w, }2 d第15章SVM的参数优化——如何更好地提升分类器的性能
0 g$ {6 s0 U6 p第16章基于SVM的回归预测分析——上证指数开盘指数预测
" F8 A3 e9 h, d6 k' X8 B9 i第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
第18章基于SVM的图像分割——真彩色图像分割
3 b6 H5 W6 J: f# e. P第19章基于SVM的手写字体识别
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
* P& l7 F0 O- W. l0 S" A: z第21章自组织竞争网络在模式分类中的应用——患者癌症发病预测
第22章SOM神经网络的数据分类——柴油机故障诊断
第23章Elman神经网络的数据预测——电力负荷预测模型研究
第24章概率神经网络的分类预测——基于PNN的变压器故障诊断
第25章基于MIV的神经网络变量筛选——基于BP的神经网络变量筛选
第26章LVQ神经网络的分类——乳腺肿瘤诊断
第27章LVQ神经网络的预测——人脸朝向识别
第28章决策树分类器的应用研究——乳腺癌诊断
; y2 s$ X: ^7 A第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验
第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
- P9 b# C. Q* v: Z, H第31章思维进化算法优化BP神经网络——非线性函数拟合
第32章小波神经网络的时间序列预测——短时交通流量预测
第33章模糊神经网络的预测算法——嘉陵江水质评价
6 ?0 [2 m! ]( J' X' X第34章广义神经网络的聚类算法——网络入侵聚类
第35章粒子群优化算法的寻优算法——非线性函数极值寻优
第36章遗传算法优化计算——建模自变量降维
第37章基于灰色神经网络的预测算法研究——订单需求预测
' J2 H3 I7 U9 G  o: X第38章基于Kohonen网络的聚类算法——网络入侵聚类
第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类
( w3 Z: n2 `# E% h% f第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
第41章定制神经网络的实现——神经网络的个性化建模与仿真
第42章并行运算与神经网络——基于CPU／GPU的并行神经网络运算
第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
序言
. {. {% G/ ~% C5 z8 r$ Z序言
很荣幸受好友王小川之邀，并代表MathWorks公司为其新书《MATLAB神经网络43个案例分析》（《MATLAB神经网络30个案例分析》的升级版本）作序，同时也感谢该书四位才华横溢的青年才俊这几年来对MATLAB软件应用（尤其是在神经网络方面）所做的持续的推广工作。
; g' D1 f$ T, |. q4 k& P" i我与这四位作者的结缘，与众多编著MATLAB丛书的作者相识过程类似，完全是因为热爱MATLAB产品。尤其是王小川，他不仅在论坛、微博里充满能量，而且他的数据挖掘公开课也令人称道，在MATLAB粉丝中有着很大的影响力。此次他集合原书作者，针对读者就原书中的书籍案例和写作上所提出的意见和建议，进行了大幅升级，终于完成了这本《MATLAB神经网络43个案例分析》的编写。
* V9 i) F$ g/ f1 Y; ~& V: U本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
因此我相信此书的出版，必将大大加速各位神经网络使用人员的学习进度，提升大家的工程应用能力。在此我郑重向大家推荐此书。
2 M. u1 r1 c; ~+ g' l# A
# Z4 g% @+ i3 s6 @: v" G
* n/ V8 j( b+ F! m. DMathWorks 中国教育业务发展总监

陈炜博士

2013年6月于上海
7 b+ C- W7 T+ j8 f

' p+ @) O: L- ~9 Kpdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
3 j( M  E  }' x/ X数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
/ d5 U0 W8 X- E8 y" ^4 X
- m5 l: a' H/ t& M8 U9 o; R
1 M# H, V1 l: B& B" {) ~6 s# Z* `; t
+ v- z/ J3 g2 S5 y- f0 D